-
题名基于改进级联R-CNN的面料疵点检测方法
被引量：5
- 1
-
-
作者
许胜宝
郑飂默
袁德成
-
机构
沈阳化工大学计算机科学与技术学院
沈阳化工大学信息工程学院
中国科学院沈阳计算技术研究所
沈阳中科数控技术股份有限公司
-
出处
《现代纺织技术》
北大核心
2022年第2期48-56,共9页
-
基金
国家重点研发计划“智能机器人专项”项目(2018YFB1308803)。
-
文摘
由于布匹疵点种类分布不均,部分疵点具有极端的宽高比,而且小目标较多,导致检测难度大,因此提出一种改进级联R-CNN的布匹疵点检测方法。针对小目标问题,在R-CNN部分采用在线难例挖掘,加强对小目标的训练;针对布匹疵点极端的长宽比,在特征提取网络中采用了可变形卷积v2来代替传统的正方形卷积,并结合布匹特征重新设计边界框比例。最后采用完全交并比损失作为边界框回归损失,获取更精确的目标边界框。结果表明:对比改进前的模型,改进后的模型预测边界框更加精确,对小目标的疵点检测效果更好,在准确率上提升了3.57%,平均精确度均值提升了6.45%,可以更好地满足面料疵点的检测需求。
-
关键词
级联R-CNN
面料疵点
检测
可变形卷积v2
在线难例挖掘
完全交并比损失
-
Keywords
cascade R-CNN
fabric defect
detection
deformable convolution v2
online difficult example mining
complete intersection over union loss
-
分类号
TS101.8
[轻工技术与工程—纺织工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
